Şirketinizin Bilgisini Yapay Zekâ ile Arayın: Copilot ya da Gemini, Glean Gibi Bir Arama Ürünü ya da Kendi Çözümünüz

Şirketinizde biri en güncel iade politikasının nerede olduğunu soruyor. Cevap üç yerde duruyor: bir wiki sayfası, bir destek kaydı yazışması ve geçen bahardan bir sohbet mesajı. Yapay zekâlı bilgi araması tüm bu kaynakları okur ve tek bir cevapla, geldiği yerlere bağlantılarla yanıt verir. Üç yolunuz var. Kendi lisansını gerektirebilecek ofis paketinizin asistanını kullanabilir, bir kurumsal arama ürünü satın alabilir ya da kendi verileriniz üzerinde bir sistem geliştirebilirsiniz. Doğru yol çoğunlukla bilginizin kaç araca dağıldığına ve erişim haklarınızın ne kadar düzenli olduğuna bağlıdır.

Düz arama ne zaman yeterlidir, ne zaman değildir?

Başlığı net olan ve insanların hangi aracı açacaklarını bildiği durumlarda düz arama yeterlidir. Bir wiki arama kutusu ya da paylaşılan sürücü araması bu işi iyi görür ve ek maliyeti yoktur.

Üç durumda yetmez. Cevap birkaç araca dağılmıştır. Soru, hiçbir belgenin kullanmadığı sözcükler içerir. Ya da kişi tek ve kısa bir cevap ister. Herhangi bir şey satın almadan önce on meslektaşınıza, cevaplamanın on dakikadan uzun sürdüğü son sorularını sorun. Çoğu tek bir aracı gösteriyorsa, önce o aracın aramasını düzeltin.

Geri getirme (retrieval) nasıl çalışır ve bir cevap kaynaklarını nasıl alır?

Geri getirme (retrieval), herhangi bir cevap yazılmadan önce cevabı içermesi en olası pasajları bulmak demektir. Yazılım belgelerinizi okur ve pasajlara böler. Bunları bir indekste saklar; indeks, her aramada her dosyanın okunmaması için önceden kurulmuş bir arama yapısıdır. Biri soru sorduğunda sistem en iyi eşleşen pasajları getirir. Ardından büyük bir dil modeli, yani ChatGPT'nin arkasındaki türden bir program, bunlardan bir cevap yazar.

RAG, yani retrieval-augmented generation (geri getirmeyle zenginleştirilmiş üretim), bu adımların bütününe verilen addır. AWS açıklamasına “Geri getirmeyle zenginleştirilmiş üretim (RAG), büyük bir dil modelinin çıktısını optimize etme sürecidir” diye başlıyor ve şunu ekliyor: “Çıktı, kaynaklara atıflar ya da göndermeler içerebilir.”

Yalnızca tam sözcüklerle değil anlamla da eşleşmek için birçok sistem her pasajı bir embedding'e çevirir. Embedding, metnin ne anlama geldiğini temsil eden bir sayı listesidir; böylece benzer konulardaki pasajlar birbirine yakın durur. OpenAI, embedding'leri “metin dizeleri arasındaki ilişkiyi ölçmenin” bir yolu olarak tanımlıyor.

Bir cevabın yanındaki kaynaklar normalde modele verilen pasajlardan gelir. Bir bağlantı, sistemin metnin nereden geldiğini söylediği yeri gösterir. Modelin onu doğru okuduğunu kanıtlamaz; bu yüzden cevaplardan bir örneklemin bağlantılarını açın.

Ofis paketimizdeki asistan neleri kapsar ve nerede sınırına gelir?

Konnektör, Confluence ya da bir CRM gibi tek bir dış aracı okuyan ve içeriğini arama sistemine ileten bir yazılım parçasıdır. Microsoft, “popüler hizmetler için 100'den fazla hazır konnektör” sunduğunu söylüyor. Google tarafında bu işi, Workspace uygulamalarının içindeki Gemini asistanından ayrı bir ürün yapıyor. Google, “Gemini Enterprise bir kurum içi arama, yapay zekâ asistanı ve ajan tabanlı platformdur” diyor ve “Confluence, Jira, Microsoft SharePoint ve ServiceNow gibi yaygın kullanılan üçüncü taraf uygulamalar için hazır konnektörler” olduğunu belirtiyor.

Sınırlar pratiktir. Bir paket asistanı en iyi, zaten pakette bulunanı okur. Hazır konnektörü olmayan bir araç, özel bir konnektör gerektirir. Microsoft'un sayfası şöyle diyor: “Özel konnektörler esneklik sunar ama bakım gerektirir.” Sıralama, cevap üslubu ve model yelpazesi sağlayıcının tercihleridir; bu yüzden onları kendi geliştirdiğiniz bir sisteme göre daha az ayarlayabilirsiniz.

Özel bir arama ürünü ne ekler ve nelerden vazgeçeriz?

Glean, Elastic, Coveo, Guru ve Atlassian Rovo, birçok araç arasında arama yapmak için kullanılan ürünlere örnektir. Atlassian şöyle diyor: “Rovo Search, bağlam değiştirmeden aynı anda birden çok araçta arama yapmanıza olanak tanır.” Kazanımınız ürüne göre değişir; bu yüzden üç noktayı kontrol edin. Araçlarınızın kaçı için sağlayıcının bakımını yaptığı hazır bir konnektör var? Sonuçlar nasıl sıralanıyor; ürün kimin neyde çalıştığını, örneğin bir sayfanın yazarını, sinyal olarak kullanıyor mu? Bir sonucun neden ilk sırada çıktığını görebiliyor musunuz?

Vazgeçtiğiniz şey sadeliktir. Bir arama ürünü genellikle bir sözleşme daha ve bir yönetim konsolu daha demektir. Sağlayıcı onu barındırıyor ve içeriğinizi indeksliyorsa, aranabilir bir kopya da o sağlayıcıda durur. Bu kopyanın bölge, saklama süresi ve sağlayıcı erişimi açısından ayrıca incelenmesi gerekir.

Kendi sisteminizi geliştirmek neleri kapsar ve sonrasında kim işletir?

Beş parça var. Konnektörler her kaynağı izin verisiyle birlikte okur. Bir veri alım işi belgeleri pasajlara böler ve yeniler. Bir indeks anahtar sözcük ve embedding aramasını destekler. Bir cevap adımı en iyi pasajları bir modele iletir ve ona atıf yapmasını söyler. Loglar ve bir yönetici görünümüyle birlikte bir sohbet ekranı ya da eklenti seti tamamlar. Elastic'in dokümantasyonu şöyle diyor: “Belge düzeyinde güvenlik, kullanıcıların okuma erişimi olan belgeleri kısıtlar”. Bazı abonelik düzeylerinde Elastic'in kendi konnektörleri, Confluence ve SharePoint Online gibi kaynaklar için bu izinleri eşitler. Diğer kaynaklar için eşlemeyi kendiniz yazarsınız.

Yayından sonraki iş daha büyük kısımdır. Bir kaynak değiştiğinde konnektörleri biri onarmalı, veri alımını yeniden çalıştırmalı, model faturasını izlemeli, test sorularını güncel tutmalı ve asistanın neden öyle dediğini açıklamalıdır. Başlamadan önce bu kişileri belirleyin.

Erişim hakları nasıl aktarılır ve aşırı paylaşım (oversharing) sorunu nedir?

Çoğu kaynak, her öğeyi kimin açabileceğine dair bir kayıt tutar; bu kayda çoğunlukla erişim denetim listesi, yani ACL denir. İçeriği bir indekse kopyalayan bir konnektör bu kaydı da kopyalamalıdır. Bu tür konnektörler için Microsoft şöyle diyor: “Her öğe içerik, meta veri (başlık ve URL gibi) ve izinleri uygulayan bir erişim denetim listesi (ACL) içerir.” Glean şöyle diyor: “Bir kullanıcı bir belgeyi kaynak sistemde açamıyorsa, o belge bağlam olarak kullanılamaz, arama sonucu olarak döndürülemez ya da atıf olarak gösterilemez.”

Kopya, her konnektör kadar iyidir. SharePoint ve Google Drive'da klasörler, gruplar ve paylaşım bağlantıları vardır. Confluence'ta alan ve sayfa kısıtlamaları vardır. Slack'te özel kanallar ve doğrudan mesajlar vardır. Bir CRM'de roller ve kayıt sahipleri vardır. Her kaynak için sağlayıcının bu kuralları nasıl okuduğunu, bir değişikliğin ne kadar çabuk ulaştığını ve bir kural okunamadığında ne olduğunu sorun. Son soruya güvenli cevap, öğeyi gizlemektir.

Aşırı paylaşım, bir asistanın açığa çıkardığı daha eski bir sorundur. Yıllar önce bir maaş bordrosu klasörünün tüm şirketle paylaşıldığını düşünün. Arama bunu hiç göstermedi, çünkü kimse bakmadı; bir asistan ise gösterebilir. Microsoft şöyle diyor: “Aşırı paylaşılan ya da kötü yönetilen içerik Copilot sonuçlarını etkileyebilir ve riski artırabilir.” SharePoint Advanced Management'ın bir parçası olan SharePoint site izinleri raporu, hangi sitelerin “Harici kullanıcılar dışında herkese” erişim verdiğini gösteriyor; bu, “tüm iç kullanıcıları otomatik olarak içeren ancak harici konukları dışarıda bırakan” bir gruptur. Yayından önce en geniş erişimli siteleri sahipleriyle birlikte gözden geçirin ve pilotu dar bir kaynak kümesiyle başlatın.

Eski, yinelenen ve çelişen belgelere ne olur?

Asistan iki politikadan hangisinin güncel olduğunu ayırt edemeyebilir. İkisini de alıntılayabilir ya da eskisini güvenle alıntılayabilir. Her kaynak için bir sahip belirleyin, güncelliğini yitirenleri kaldırın ve konu başına tek bir doğruluk kaynağı tutun. Asistandan her kaynağın tarihini ve yazarını göstermesini ve kaynaklar çeliştiğinde bunu söylemesini isteyin.

Tazeliğin ikinci bir yüzü var: bir değişikliğin indekse ne kadar çabuk ulaştığı. Microsoft şöyle diyor: “Site devralma yoluyla iki ya da daha fazla kullanıcının erişebildiği SharePoint Online sitelerine eklenen yeni belgeler günlük olarak indekslenir.” Zaten indekslenmiş bir belge için “değişiklikler hemen indekslenir” diyor. Her sağlayıcıdan her iki gecikmeyi de yazılı olarak isteyin.

Yayına almadan önce cevap kalitesini kendi sorularımızla nasıl test ederiz?

Personelden, her biri doğru cevabı ve cevabın geleceği belgeyle birlikte, gerçek sorular toplayın. Aynı seti her adayda çalıştırın. Dört şeyi puanlayın: kaynaklar arasında doğru belge, doğru cevap, hiçbir belge yardımcı olmadığında dürüstçe bunu kabul etme ve erişim haklarına saygı.

Erişim testi için iki oturum gerekir. Cevabı yalnızca bir kişinin açabildiği bir klasörde duran bir soru sorun. Diğer kişi, kaynak başlığı bile olmak üzere, hiçbir iz görmemelidir. Her değişiklikten sonra seti yeniden çalıştırın. Yukarıda bağlantısı verilen geçme notları yazımız eşikleri ele alıyor.

Yapay zekâ asistanı neleri loglar ve insanların sorduklarını kim görebilir?

Sorular hassas olabilir; örneğin bir meslektaşın disiplin süreciyle ilgili bir soru gibi. Microsoft, denetim kayıtlarının “hangi kullanıcının Copilot ile etkileşime girdiğine, etkileşimin ne zaman ve nerede gerçekleştiğine dair ayrıntılar içerdiğini” söylüyor. Ayrıca sakladığı verinin “kullanıcının istemini ve Copilot'ın yanıtını içerdiğini” belirtiyor ve şunu ekliyor: “Bu saklanan verileri görüntülemek ve yönetmek için yöneticiler İçerik araması ya da Microsoft Purview'u kullanabilir.” Her yol için, soruların metnini kimin, hangi gerekçeyle ve ne kadar süreyle okuyabileceğini sorun.

GDPR rolleri, bölge, saklama süresi ve silme, indeks için ne anlama gelir?

GDPR, AB'nin veri koruma yasasıdır. Bir sağlayıcı sizin adınıza kişisel veri işlediğinde, genellikle siz veri sorumlususunuz; verinin neden ve nasıl kullanılacağına siz karar verirsiniz. Sağlayıcı ise sizin adınıza hareket eden veri işleyendir. Avrupa Veri Koruma Kurulu'nun kılavuzları şöyle diyor: “Veri işleyen, veri sorumlusunun talimatlarının ötesine geçmemelidir.” Şunu ekliyor: “Veri sorumlusunun verdiği talimatlar belgelenmelidir.” Bir veri işleyen, başka birini “veri sorumlusunun önceden özel ya da genel yazılı izni olmaksızın” devreye alamaz. Her sözleşmeyi kendi hukuk danışmanınıza okutun.

Bölgeyi doğrudan her sağlayıcıya sorun. Microsoft şöyle diyor: “AB trafiği AB Veri Sınırı içinde kalır; dünya genelindeki trafik ise LLM işlemesi için AB'ye ve diğer ülkelere ya da bölgelere gönderilebilir.” Aynı sayfadaki bir not şunu ekliyor: “Anthropic tarafından alt işleyen olarak sağlanan modeller şu anda AB Veri Sınırı dışında tutulmaktadır.” Microsoft, bu modellerin söz konusu sınır içindeki müşteriler için varsayılan olarak devre dışı olduğunu söylüyor; bu yüzden yönetici ayarını kontrol edin. İndeksi için şöyle diyor: “Avrupa Birliği Veri Sınırı (EUDB) içindeki müşteriler için indeks, AB/EFTA'da bulunan bir veri merkezinde saklanır.” Microsoft ayrıca şunu söylüyor: “Microsoft Graph üzerinden erişilen istemler, yanıtlar ve veriler temel LLM'leri eğitmek için kullanılmaz”.

İndeks belgelerinizin bir kopyasıdır; bu yüzden bir belgedeki kişisel veri indekste de, çoğu zaman da loglarda bulunur. Kurulun küçük işletmeler kılavuzu şöyle diyor: “Bir veri sahibi talebini her zaman bir ay içinde yanıtlayın.” Karmaşık bir talep için, kişiye ilk ay içinde bildirilmesi koşuluyla “iki ay daha” tanıyor. Silinen bir belgenin indeksten çıkmasının ne kadar sürdüğünü, yedeklerin ve logların metnini tutup tutmadığını ve bir kişinin sorularının nasıl kaldırılabileceğini sorun.

Kullanıcı başına fiyatlandırma, kullanıma dayalı fiyatlandırmadan nasıl farklıdır?

Kullanıcı başına fiyatlandırma, kişi arama yapsın ya da yapmasın, adlandırılmış her kullanıcı için sabit bir tutar alır. Kullanıma dayalı fiyatlandırma ise sistemin yaptığı işe, örneğin işlediği metne göre ücret alır. Sağlayıcılar birini, diğerini ya da karışımını kullanır. Güncel fiyatı, asgari kullanıcı sayıları, eklentiler ve konnektör ücretleriyle birlikte yazılı olarak isteyin ve kimin lisansa ihtiyacı olduğunu sorun.

Kullanıma dayalı fiyatlandırmaya bir örnek olarak, OpenAI'ın fiyat sayfası text-embedding-3-small modelini milyon token başına 0,02 dolar, text-embedding-3-large modelini ise 0,13 dolar olarak listeliyor. Token, sağlayıcıların saydığı ve faturalandırdığı küçük bir metin parçasıdır. İndeksi saklamanın, modeli çalıştırmanın ve insanlara ödeme yapmanın maliyeti bunun üstüne gelir. Her biri yaklaşık 2.000 token olan 50.000 belgelik, kurgusal bir arşivi ele alalım; bu 100 milyon token eder. Bunu bir kez embedding'e çevirmek küçük modelle 2 dolara, büyük modelle 13 dolara mal olur. Arşiv boyutu bir varsayımdır ve liste fiyatları değişebilir.

Bağımlılık neye benziyor ve ayrılabilmek için neyi elimizde tutmalıyız?

Bağımlılık emeğinizin gittiği yerde yatar: tek bir sağlayıcının konsolunda kurulmuş konnektörler, onun formatındaki sıralama kuralları, yalnızca onda bulunan izin eşlemeleri. İndeks kaynaklarınızdan yeniden kurulabilir, bu yüzden en az önemlisi odur. Beklenen cevaplarıyla test sorularınızı, izinlerin nasıl okunduğunu gösteren yazılı bir haritayı, modele verilen talimatları ve her türlü özel konnektör kodunu elinizde tutun. Log dışa aktarımı isteyin. Dışa aktarma ve silme koşullarını sözleşmede kararlaştırın.

Kendi bilgi aramanızı geliştirmek ne zaman haklıdır?

Arama, sattığınız ürünün parçasıysa geliştirmek haklı olur; çünkü kullanıcılar müşterilerinizdir ve onları hiçbir personel lisansı kapsamaz. Bir veri kuralı, kendi bulutunuzda çalışanlar dahil tüm ürünleri dışarıda bırakıyorsa da haklıdır. Yalnızca personel araması için haklı çıkarmak zordur; çünkü konnektörleri, erişim denetimini, logları ve nöbet yükünü üstlenirsiniz.

Bir sağlayıcıya ya da bunu geliştirecek bir firmaya ne sormalıyız?

Bir sağlayıcı ya da paket sunan firma için:

• Kaynaklarımızdan hangilerinin hazır konnektörü var ve bunların bakımını kim yapıyor?
• Her kaynaktan izinleri nasıl okuyorsunuz ve bir kural okunamadığında ne oluyor?
• Bir değişikliğin ya da silmenin indekse ulaşması ne kadar sürer?
• İndeks, sorular ve loglar nerede işleniyor ve soruları kim okuyabilir?
• Gerçek kullanımımızın bir ayı ne kadar tutar ve ayrılırsak neyi dışa aktarabiliriz?

Bunu geliştirecek bir firma için:

• Hangi kısımları siz yazacaksınız, hangilerini mevcut ürünlerden alacaksınız?
• Bizim bulut hesabımızda mı çalışacak ve anahtarlar kimde?
• Cevapları ve erişim haklarını nasıl test edeceksiniz ve bizim tarafımızda kim onaylayacak?
• Lansmandan sonra kim işletiyor ve bu her ay ne kadara mal oluyor?

amBrain nerede devreye girer?

Bu blogu amBrain yayımlıyor. amBrain kendi ürünü hakkında şöyle diyor: “Kendi ürünümüz aigo, şirket bilgilerinin tek bir ortak belleğinden araştıran, yazan, kontrol eden ve ölçen yapay zekâ ajanları üzerinde çalışır. Yayınlanan her şeyi bir kişi onaylar.”

Bu yazı bir vaka çalışması değildir ve hiçbir müşteri işini anlatmaz. amBrain'in herhangi bir müşteri için bilgi arama sistemi geliştirdiğini iddia etmez. Yukarıdaki satır amBrain'in kendi ürünüyle ilgilidir, örnekler ise geneldir.

Burada adı geçen şirketler, ürünler ve kamu kurumları, 11 Kasım 2026'da okunan yayımlanmış sayfalarından aktarılmıştır. Yazı, amBrain ile bunlardan hiçbiri arasında bir ilişki öne sürmez ve amBrain fiyatı ya da süresi vermez.

amBrain 2019'dan bu yana yazılım geliştiriyor. Müşterileriyle nasıl çalıştığı konusunda şöyle diyor: “Üç format: tam teslim, özel ekip ya da sizin ekibinize yerleşen mühendisler.” Mülkiyet konusundaki satırı ise şöyle: “Müşteri, yeniden kullanılabilir bileşenlerimiz dışında ürünün ve kodun tam mülkiyetini elinde tutar.” İmzalamadan önce bu bileşenlerin adlarıyla listesini isteyin.

amBrain kısa listenizdeyse ona da diğer firmalara sorduğunuz soruların aynısını sorun.